演示文稿卡方檢驗與相關分析

演示文稿卡方檢驗與相關分析當前1頁，總共36頁?？ǚ綑z驗與相關分析當前2頁，總共36頁。相關分析之一——有關與無關尋找變量間的關系是科學研究的首要目的。變量間的關系最簡單的劃分即:有關與無關。在統(tǒng)計學上，我們通常這樣判斷變量之間是否有關：如果一個變量的取值發(fā)生變化，另外一個變量的取值也相應發(fā)生變化，則這兩個變量有關。如果一個變量的變化不引起另一個變量的變化則二者無關。當前3頁，總共36頁。性別與四級英語考試通過率的相關統(tǒng)計表述：統(tǒng)計結果顯示，當性別取值不同時，通過率變量的取值并未發(fā)生變化，因此性別與考試通過率無關。自變量的不同取值在因變量上無差異，兩變量無關。自變量的不同取值在因變量上有差異，兩變量有關。當前4頁，總共36頁。統(tǒng)計結果顯示，當性別取值不同時，收入變量的取值發(fā)生了變化，因此性別與月收入有關。自變量因變量當前5頁，總共36頁。變量關系的統(tǒng)計類型當前6頁，總共36頁。相關分析之二——關系強度變量關系強度的含義:指兩個變量相關程度的高低。統(tǒng)計學中是以準實驗的思想來分析變量相關的。通常從以下的角度分析：

A）兩變量是否相互獨立。

B）兩變量是否有共變趨勢。

C）一變量的變化多大程度上能由另一變量的變化來解釋。當前7頁，總共36頁。變量關系強度測量的主要指標當前8頁，總共36頁。相關分析之三——關系性質直線相關與曲線相關正相關與負相關完全相關與完全不相關當前9頁，總共36頁。一、列聯(lián)相關（第四章已講）（一）列聯(lián)分析的基本原理自變量發(fā)生變化，因變量取值是否也發(fā)生變化。比較邊緣百分比和條件百分比的差別。當前10頁，總共36頁。卡方測量用來考察兩變量是否獨立(無關)。當前11頁，總共36頁。二、相關分析（Correlate）當前12頁，總共36頁。（一）簡介相關分析用于描述兩個變量間聯(lián)系的密切程度，其特點是變量不分主次，被置于同等的地位。檢驗的原假設為相關系數(shù)為0?？蛇x擇是單尾檢驗還是雙尾檢驗。在Analyze的下拉菜單Correlate命令項中有三個相關分析功能子命令Bivariate過程(二變量相關分析)、Partial過程（偏相關分析）、Distances過程（距離分析）。當前13頁，總共36頁。（二）相關分析類型Bivariate過程用于進行兩個或多個變量間的相關分析，如為多個變量，給出兩兩相關的分析結果。Partial過程，當進行相關分析的兩個變量的取值都受到其他變量的影響時，就可以利用偏相關分析對其他變量進行控制，輸出控制其他變量影響后的相關系數(shù)。Distances過程用于對同一變量各觀察單位間的數(shù)值或各個不同變量間進行相似性或不相似性分析，一般不單獨使用，而作為因子分析等的預分析。當前14頁，總共36頁。（三）Bivariate相關分析在進行相關分析時，散點圖是重要的工具，分析前應先做散點圖，以初步確定兩個變量間是否存在相關趨勢，該趨勢是否為直線趨勢，以及數(shù)據(jù)中是否存在異常點。否則可能得出錯誤結論。Bivariate相關分析的步驟：輸入數(shù)據(jù)后，依次單擊Analyze—Correlate—Bivariate，打開BivariateCorrelations對話框當前15頁，總共36頁。BivariateCorrelations對話框當前16頁，總共36頁。Pearson復選框選擇進行積差相關分析，即最常用的相關分析，其計算連續(xù)變量或等間隔測度變量間的相關系數(shù)。計算該相關系數(shù)時，不僅要求兩相關變量均為正態(tài)變量，而且樣本數(shù)（N）一般不應少于30。當前17頁，總共36頁。Kendall‘stau-b復選框計算Kendall’s等級相關系數(shù)，其計算定序變量間的線性相關關系。（有打結現(xiàn)象時）Spearman復選框計算Spearman相關系數(shù)。也是計算等級相關系數(shù)（定序與定序）。最常用的非參數(shù)相關分析（秩相關），適用于連續(xù)等級資料。（無打結現(xiàn)象）

以上三種相關分析可以選擇其中之一，也可以同時多選。如果參與分析的變量是連續(xù)變量，選擇Kendall'stau-b或Spearman相關，則系統(tǒng)自動對連續(xù)變量的值先求秩，再計算其秩分數(shù)間的相關系數(shù)。當前18頁，總共36頁。Flagsignificantcorrelations用于確定是否在結果中用星號標記有統(tǒng)計學意義的相關系數(shù)，一般選中。此時P<0.05的系數(shù)值旁會標記一個*，P<0.01的則標記兩個**。當前19頁，總共36頁。Options對話框對每一個變量輸出均值、標準差和無缺省值的觀測數(shù)。對每一個變量輸出交叉距陣和協(xié)方差距陣。計算某個統(tǒng)計量時，在這一對變量中排除有缺省值的觀測值。對于任何分析，有缺省值的觀測值都會被排除。當前20頁，總共36頁。一般，如果r的絕對值大于0.8，則認為兩變量之間具有較強的線性相關關系；如果r小于0.3，則認為兩變量之間具有較弱的線性相關關系。

當然，相關關系的程度與樣本的容量大小也有很大的關系。當前21頁，總共36頁。例1:為研究高等院校人文社會科學研究中立項課題數(shù)會受哪些因素影響，收集1999年31個省市自治區(qū)部分高校有關社科方面的數(shù)據(jù)，研究立項課題數(shù)（當年）與投入的具有高級職稱的人年數(shù)（上年）、發(fā)表論文數(shù)（上年）之間是否具有較強的線性關系。

可以畫散點圖先進行判斷。當前22頁，總共36頁。Graphs-legacy-scatter當前23頁，總共36頁。當前24頁，總共36頁。Analyze-correlate--Brivariate當前25頁，總共36頁。當前26頁，總共36頁。例2：定序變量的Spearman分析實例

為了研究集團迫使個人順從的效應，一些研究者用量表和為測量地位欲而設計的一種量表對12名大學生進行調查。欲知道對權威主義的評分之間相關的信息，數(shù)據(jù)如下。學生ABCDEFGHIJKL權威主義265110983412711地位欲342181110671259權威主義和地位欲評秩當前27頁，總共36頁。1）輸入數(shù)據(jù)，依次單擊Analyze—Correlate—Bivariate，打開BivariateCorrelations對話框2）選擇power和position變量進入Variables框中。3）在CorrelationCoefficients欄內(nèi)選擇Spearman。4）在TestofSignificance欄選擇Two-tailed。5）選擇Flagsignificantcorrelation。6）單擊Options按鈕，選擇Meanandstandarddeviations、Cross-productdeviationsandcovariances、Excludecasespairise選項。7）單擊OK。分析步驟：當前28頁，總共36頁。

從表中可看出，權威主義和地位欲的相關系數(shù)為0.818，這表明權威主義越高的人地位欲也越高。權威主義與地位欲不相關的假設檢驗值為0.001，否定假設，即權威主義與地位欲是相關的。結果分析：當前29頁，總共36頁。例3：定序變量的Kendall分析實例

仍用前例中的數(shù)據(jù)（數(shù)據(jù)文件：權威（Spearman相關）.sav）。操作過程相同，只是在第3）步在CorrelationCoefficients欄內(nèi)選擇Kendall’s選項。結果如下：

權威主義和地位欲的相關系數(shù)為0.667，這表明權威主義越高的人地位欲也越高。權威主義與地位欲不相關的假設檢驗值為0.003，否定假設，即權威主義與地位欲是相關的。結果類似于Spearman分析。當前30頁，總共36頁。（四）Partial過程相關分析計算兩個變量間的相關系數(shù)，分析兩個變量間線性關系的程度。但是往往因為第三個變量的作用，使相關系數(shù)不能真正反映兩個變量間線性程度。例如，可以控制年齡和工作經(jīng)驗兩個變量的影響，估計工資收入與受教育程度之間的相關程度，這就是偏相關分析。當前31頁，總共36頁。例：立項課題數(shù)與發(fā)表論文數(shù)之間的凈相關系數(shù)研究。立項課題數(shù)與發(fā)表論文數(shù)之間有較強的正線性相關系數(shù)。但是，這種關系可能摻入了投入高級職稱的人年數(shù)的影響。投入高職稱的人年數(shù)與論文數(shù)(上年發(fā)表)、立項課題數(shù)的簡單相關系數(shù)分別為0.953和0.944，因此，可以把這個變量控制起來，研究立項課題數(shù)與發(fā)表論文數(shù)之間的凈相關系數(shù)，進行偏相關分析。當前32頁，總共36頁。當前33頁，總共36頁。【Variables框】用于選入需要進行偏相關分析的變量，至少需要選入兩個。可多選?！綜ontrollingfor框】用于選擇需